【技术实现步骤摘要】
一种基于决策树模型的纤维丝性能检测方法及系统
本专利技术属复合材料检测
，尤其涉及一种基于决策树模型的纤维丝性能检测方法及系统。
技术介绍
目前，业内常用的现有技术是这样的：复合材料是由一种或多种不同物理和化学性质的物质组合而成的多相固体材料，近年来在飞机材料用量中占比持续攀升。复合材料中有一相为连续相，称为基体；另一相为分散相，称为增强相。各相之间取长补短，相得益彰，实现单种材料所不能实现优秀性能。但复合材料的性能却不是各个组成材料性能的简单叠加。纤维丝作为最常用的增强相，由于尺寸极小，传统机械方法难以直接测定其弹性模量等基本参数，因此纤维单丝的性质测定一直是工程上的一个难题。在大多数工程研究中，比较容易获得材料的宏观机械性能参数。因此建立复合材料宏微观性质之间的联系，从而由复合材料宏观性质得到微观性质是解决该问题的一个思路。为此国内外学者做了各种探索。现有技术一总结分析了二维编织复合材料领域的研究现状，比较了当前通用预浸料技术和刚度失效准则应用的优缺点，回顾了复合材料领域弹性预测的各个模型。现有技术二提出了一种多用途易上手的微观复合材料模型，该模型可以模...
【技术保护点】
1.一种基于决策树模型的纤维丝性能检测方法，其特征在于，所述基于决策树模型的纤维丝性能检测方法以纤维单丝的轴向弹性模量、径向弹性模量和泊松比为输出变量，通过机器学习中决策树回归模型建立上述参数与复合材料整体在拉伸试验中变形数据的联系，实现对纤维丝参数的预测；所述决策树回归模型包括：纵向弾性模量的最优模型：树最大深度＝5，random state＝4：RMSE:58888.73108983842；Rate oferror:0.09429549483535851；横向弾性模量的模型：最大树深＝3，random＝6：RMSE:1375.3967541785746；Rate ofe...
【技术特征摘要】
1.一种基于决策树模型的纤维丝性能检测方法，其特征在于，所述基于决策树模型的纤维丝性能检测方法以纤维单丝的轴向弹性模量、径向弹性模量和泊松比为输出变量，通过机器学习中决策树回归模型建立上述参数与复合材料整体在拉伸试验中变形数据的联系，实现对纤维丝参数的预测；所述决策树回归模型包括：纵向弾性模量的最优模型：树最大深度＝5，randomstate＝4：RMSE:58888.73108983842；Rateoferror:0.09429549483535851；横向弾性模量的模型：最大树深＝3，random＝6：RMSE:1375.3967541785746；Rateoferror:0.06747625802348253；泊松比模型为：最大树深＝4，randomstate＝6：RMSE:0.033916891891144094；Rateoferror:0.09000512820512828。2.如权利要求1所述的基于决策树模型的纤维丝性能检测方法，其特征在于，所述基于决策树模型的纤维丝性能检测方法包括：建立有限元仿真模型：在Abaqus有限元仿真软件中建立复合材料模型，然后对复合材料整体进行拉伸试验，试验完毕后得到复合材料相关变形参数，将相关变形参数数据按照3：1划分为训练集和测试集，分别用于模型训练和评价模型泛化能力分析；通过特征选择对相关变形参数数据进行降维，同时挑选出与纤维丝纵向弹性模量、横向弹性模量、泊松比相关系数最大的复合材料板的宏观参数；建立三个决策树模型用于纤维丝纵向弹性模量、横向弹性模量和泊松比的预测；调节参数得到最佳预测模型。3.如权利要求2所述的基于决策树模型的纤维丝性能检测方法，其特征在于，所述获取用于模型训练与测试的数据方法为：步骤一：按照一层纤维布中包含两层纤维丝及相邻层之间正交的情况，选择直径7微米，体积占比60％,排列方式采用均布排列的纤维丝建立有限元模型；步骤二：得到纤维丝和基体弹性模量与泊松比数据，分别进行交叉实验，得出不...
【专利技术属性】
技术研发人员：齐振超，张南茜，孟庆禄，刘勇，陈文亮，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。